TartanAir深度データセット#

TartanAirは、AirSimシミュレーターで生成された大規模な合成データセットです。ビジュアルSLAMの限界を押し広げることを目的として作成され、屋内、屋外、都市、自然のシーンなど、幅広い環境に加えて、季節、天候、照明の変化や困難な条件を網羅しています。

TartanAirはシミュレーションでレンダリングされるため、この多様なシーン集合全体にわたる高密度な深度グラウンドトゥルースを提供します。そのため、単眼深度推定モデルのトレーニングにおいて、環境の多様性と長距離の形状情報を提供する有力なデータソースとなります。

主な特徴#

• AirSimシミュレーターで生成された合成データです。
• 季節、天候、照明の変化に加え、困難な条件を含む、多様な屋内および屋外環境（都市、自然）です。
• すべてのシーンにわたる高密度な深度グラウンドトゥルースです。
• 深度範囲は**~80 m**です。
• Ultralyticsの深度トレーニング用ミックスに、61,470枚の画像（トレーニング55,660枚／検証5,810枚）を提供します。

データセットの構成#

TartanAir深度データセットは、次の2つのサブセットに分割されています。

1. Train: トレーニング用の、対応する高密度深度マップ付き画像55,660枚です。
2. Val: トレーニング中の検証用の、対応する高密度深度マップ付き画像5,810枚です。

各RGB画像には、1メートルあたり256単位でスケーリングされたuint16深度PNG（depth_scale: 256）が対応付けられており、Ultralytics深度データセット形式に従っています。これにより、3.90625 mmの解像度で80 mの全範囲を表現します。

データの取得#

TartanAirには自動ダウンロード機能がありません。データはCMUのAirLabによって配布されており（利用条件についてはデータセットページを参照）、tartanair_toolsスクリプトを使用してダウンロードします。

git clone https://github.com/castacks/tartanair_tools && cd tartanair_tools
python download_training.py --output-dir ./data --rgb --depth --only-left --unzip

深度はすでにメートル単位のfloat32 .npyとして保存されており（depth_left/*_left_depth.npyの隣にあるimage_left/*_left.png）、変換では並べ替えと空の無効化のみを行います（空は極端に遠い距離としてレンダリングされます。公開されたミックスでは、データセットYAMLに合わせて80 mでクリップされます）。TartanAirには公式の検証分割がないため、1つ以上の環境をホールドアウトしてください。Ultralytics深度データセット形式への変換例：

import shutil
from pathlib import Path

import numpy as np

from ultralytics.data.utils import save_depth_png

VAL_ENVS = {"neighborhood"}  # environments held out for validation
src, dst = Path("data"), Path("datasets/depth-tartanair")
for depth_file in sorted(src.rglob("depth_left/*_left_depth.npy")):
    env, traj = depth_file.parts[-5], depth_file.parts[-3]
    out = "val" if env.lower() in VAL_ENVS else "train"
    (dst / f"images/{out}").mkdir(parents=True, exist_ok=True)
    (dst / f"depth/{out}").mkdir(parents=True, exist_ok=True)
    depth = np.load(depth_file)
    depth[depth > 80.0] = 0.0  # sky/extreme range → 0 = invalid
    frame = depth_file.name.replace("_depth.npy", "")  # e.g. 000000_left
    name = f"{env}_{traj}_{frame}"
    save_depth_png(dst / f"depth/{out}/{name}.png", depth, scale=256)
    shutil.copy(depth_file.parents[1] / "image_left" / f"{frame}.png", dst / f"images/{out}/{name}.png")

YOLO26-Depthにおける役割#

TartanAirは、Ultralytics YOLO26-Depthモデルの事前トレーニングに使用される、広範なマルチデータセット混合（~2.19M枚の画像）におけるトレーニングソースの1つです。このミックスにおいて、TartanAirは、屋内および実世界のデータソースを補完する合成環境の多様性と、長距離の屋外形状情報を提供します。

この構成には、TartanAir単独のホールドアウトベンチマークはありません。代わりに、生成されたモデルは、標準的な単眼深度ベンチマークであるNYU Depth V2、KITTI、Make3D、ETH3D、iBims-1で評価されます。

データセット YAML#

YAMLファイルは、データセットの設定を定義するために使用されます。データセットのパス、クラス、およびその他の関連情報が含まれています。TartanAirの場合、depth-tartanair.yamlファイルがパスと単一のdepthクラスを定義します。

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# TartanAir dataset for monocular depth estimation — synthetic indoor + outdoor (AirSim), dense depth up to ~80 m
# Documentation: https://docs.ultralytics.com/datasets/depth/tartanair
# Example usage: yolo depth train data=depth-tartanair.yaml model=yolo26n-depth.pt
# No autodownload — obtain the source data (see docs) and arrange it as below.
# parent
# ├── ultralytics
# └── datasets
#     └── depth-tartanair
#         ├── images/{train,val}  # RGB images
#         └── depth/{train,val}   # paired 16-bit *.png depth maps (images/ -> depth/)

path: depth-tartanair # dataset root dir (relative to Ultralytics settings 'datasets_dir')
train: images/train # train images (relative to 'path') 55660 images
val: images/val # val images (relative to 'path') 5810 images
max_depth: 80 # (m) maximum valid depth; GT beyond this is excluded from val metrics

nc: 1
names:
  0: depth

channels: 3
depth_scale: 256 # PNG value 256 = 1 meter; represents the 80 m outdoor range

使用方法#

画像サイズ640でTartanAirデータセット上のYOLO26n-Depthモデルをトレーニングするには、次のコードスニペットを使用できます。利用可能な引数の一覧については、モデルのトレーニングページを参照してください。

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-depth.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="depth-tartanair.yaml", epochs=100, imgsz=640)

事前トレーニング済みモデル#

YOLO26深度ファミリー（yolo26n-depth.pt、yolo26s-depth.pt、yolo26m-depth.pt、yolo26l-depth.pt、yolo26x-depth.pt）はUltralyticsのリリースから自動的にダウンロードされ、TartanAirが含まれる広範なマルチデータセットミックスでトレーニングされます。Ultralytics PlatformでYOLO26x-depthを確認してください。

引用と謝辞#

研究または開発作業でTartanAirデータセットを使用する場合は、次の論文を引用してください。

@inproceedings{wang2020tartanair,
      title={TartanAir: A Dataset to Push the Limits of Visual SLAM},
      author={Wenshan Wang and Delong Zhu and Xiangwei Wang and Yaoyu Hu and Yuheng Qiu and Chen Wang and Yafei Hu and Ashish Kapoor and Sebastian Scherer},
      booktitle={IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)},
      year={2020}
}

この多様な合成データセットをコンピュータビジョンコミュニティに提供してくださったTartanAirの作成者に感謝します。

FAQ#